Spelling suggestions: "subject:"corrélation dde défaut"" "subject:"corrélation dde défauts""
1 |
Trois essais sur la dépendance et le marché immobilier / Three essays on the dependence and real estate marketKim, Mi lim 29 June 2016 (has links)
Un nombre importants de défauts de prêts immobiliers ainsi que l'eff ondrement du march é immobilier ont entraî n é la faillite de plusieurs banques d'investissement aux Etats Unies. Ces facteurs ont aussi d éclench é la derni ère crise fi nanci ère. Ces év énements ont donné lieu à un pan de travaux cherchant à expliquer les facteurs d éterminant les d éfauts simultan és des prêts immobiliers. Cette th èse apporte des preuves suppl émentaires montrant l'importance de la d épendance des d éfauts lors de la gestion des portefeuilles des prêts immobiliers. Cette th èse comporte trois chapitres identifi ant les facteurs cl és d éterminants la d épendance des d éfauts de prêts immobiliers et des prix immobiliers. Nous montrons que mesure plus pr écise du risque de cr édit est possible en tenant compte des facteurs mentionn ées ci-dessous. Dans le chapitre 1, nous analysons la variation de la dépendance de 13 indices de prix r égionaux. Nous estimons une chaîne de Markov cach ée multivari ée avec deux r égimes équid epéndants. Nous mod élisons la probabilit é de transition en utilisant la croissance du taux d'int érêt, et du rapport prêt-valeur. Nos r ésultats montrent que la d épendance r égionale moyenne des prix immobiliers varie dans le temps. De plus cette d épendance est li ée an changement du taux d'int érêt et au rapport prêt-valeur. En consid érant un sous- échantillon de r égions m étropolitaines, nous montrons aussi qu'une baisse du rapport prêt valeur est associ ée à une plus forte probabilit é d'être dans un r égime de forte d épendance d écrite par une copule en arborescence canonique. Dans le Chapitre 2, nous utilisons une vraisemblance composite de copule (composite likelihood copula), et une fonction Mat érn, nous analysons la d épendance de d éfaut par paires d'un ensemble de prêts immobiliers titris és, a haut risques (subprime mortgages), provenant de la r égion de Los Angeles, entre 2000 et 2011. Nos r ésultats montrent que la d épendance des d éfauts est aff ect ée par la distance g éographique entre les prêts, la moyenne et la di fférences dyadiques de variables telle que le rapport prêt-valeur, le cr édit scoring FICO et le revenu au niveau l'arrondissement. De plus nous identifi ons un eff et de contagion o u un indice de changement des prix immobiliers r égionaux n égatifs et un haut taux de d éfauts augmente la d épendance des d éfauts. En fin notre mod èle donne une bonne estimation de la Value at Risk du nombre de d éfauts dans un bloc de prêts titris és. Dans le chapitre 3, nous analysons l'éfficacit e d'un portefeuille de prêts immobiliers titris és à haut risque (subprime). Nous estimons l'ésp erance et la variance des rendements en utilisant des probabilit e de d éfauts obtenu a partir d'un mod èle de d épendance de d éfaut par paires. Nous analysons les 13 plus larges bloc de prêts immobiliers, titris és entre 2001 et 2005. Nos r ésultats montrent que la diversi cation des blocs de prêts n' étaient pas optimale. De plus, nous montrons qu'il est possible de d'avantage diminuer le risque associ é bloc de prêts en tenant compte des risque non g éographique. / The high number of mortgage defaults along with the collective collapse in regional house prices have led to bankruptcies of Wall Street investment banks and triggered the last financial crisis. This phenomenon have led to a growing body of research seeking to understand how such mortgage defaults tend to occur together. This thesis adds to the body of evidence that dependence between mortgages as well as house prices needs to be seriously taken into consideration in managing the risk of mortgage pools. This thesis consists of three chapters that focus on identifying the factors affecting the dependence between house prices and mortgage defaults. We show how less risky mortgage portfolios can be constructed if we consider the factors mentionned below. In Chapter 1, we analyze time variations in the dependence of 13 regional house price indices. We estimate a multivariate hidden Markov copula model, with two equidependent regimes, and we allow the Markov transition probabilities to vary with changes in interest rates and leverage, measured by the Loan to value ratio (LTV). Our results provide evidence of time-variation in the average dependence in regional house prices. Besides they shows that house price dependence is strongly related to leverage and changes in interest rates. In addition, using a reduced set of Southwestern metropolitan statistical areas (MSAs), we further show that a decrease in leverage is associated with a higher probability of being in an asymmetric high dependence regime, described by a canonical vine copula. In Chapter 2, using a composite likelihood copula approach and a Mat'ern function, we analyze the pairwise dependence of defaults within a set of securitized subprime mortgages originated in Los Angeles between 2000 and 2011. Our results show that default dependence is affected by geographic proximity, as well as dyadic averages and differences in a number of mortgage-specific and local economic variables, such as FICO credit scores, Loan to Value (LTV) and zip code level income. In addition, we find evidence of a contagion effect, whereby negative local house price index returns and high lagged default rates increase default dependence. Our pairwise dependence model also delivers good estimates of Value at Risk for the number of defaults in a pool of mortgages. In Chapter 3, we analyze the mean variance efficiency of pools of securitized subprime mortgages. We estimate the means and variances of the returns from the default probabilities derived from a multinomial logit and a copula-based pairwise default dependence model. We examine the 13 largest mortgage pools that were securitized between 2001 and 2005. Our results first show that the mortgage portfolios were not optimally diversified. Secondly considering non-geographic risk factors leads to less risky optimal portfolios.
|
Page generated in 0.1265 seconds